【技术实现步骤摘要】
本专利技术涉及光伏系统功率预测领域，具体而言，涉及一种具有季节性规律特征的光伏功率预测方法及系统。
技术介绍
1、全球环境问题的日益加剧促使全球能源结构向着以新能源为主导的能源体系转变。太阳能由于其易于捕获的特点与巨大的能源储量使其成为备受关注的可再生能源之一。在对太阳能的应用中，光伏发电的低成本及可实现大规模部署优势成为了主要利用方式。然而，光伏发电由于受到多种环境因素的影响使其表现出了不稳定与间歇性特点，这对电网稳定运行带来潜在的安全隐患。因此，实现精准稳定的光伏功率预测对提高光伏发电在未来的大范围应用具有重要意义。
2、光伏功率预测任务的实现方式具有多样性，物理、数学和数据驱动的方法均被广泛使用。随着硬件设备的发展，数据驱动的深度神经网络算法在序列预测任务中呈现出一定的性能优势。通过深度网络学习数据的分布规律，并依照学习到的知识进行数据拟合是数据驱动算法的核心思想。通过欧氏距离对预测任务进行相似日聚类，并设计深度网络对聚类日数据进行学习与预测。k-means++算法也可以对目标数据的特征进行相似样本搜索，用于训练预测网...
【技术保护点】
1.一种具有季节性规律特征的光伏功率预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的光伏功率预测方法，其特征在于，所述特征瓶颈得分的计算方法包括如下步骤：
3.根据权利要求2所述的光伏功率预测方法，其特征在于，所述最优特征组合的得到方法包括如下步骤：
4.根据权利要求3所述的光伏功率预测方法，其特征在于，所述季节性位置编码的建立方法是通过引入相位偏移因子以及幅值偏移因子对正余弦参数进行修改，从而进行季节性偏移；
5.根据权利要求4所述的光伏功率预测方法，其特征在于，所述季节性位置编码是通过将(4),(5)中...
【技术特征摘要】
1.一种具有季节性规律特征的光伏功率预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的光伏功率预测方法，其特征在于，所述特征瓶颈得分的计算方法包括如下步骤：
3.根据权利要求2所述的光伏功率预测方法，其特征在于，所述最优特征组合的得到方法包括如下步骤：
4.根据权利要求3所述的光伏功率预测方法，其特征在于，所述季节性位置编码的建立方法是通过引入相位偏移因子以及幅值偏移因子对正余弦参数进行修改，从而进行季节性偏移；
5.根据权利要求4所述的光伏功率预测方法，其特征在于，所述季节性位置编码是通过将(4),(5)中的nz设置为4，并将φ(zi)，a(zi)与正余弦函数进行结合，由此得到光伏系统季节性位置编码表示为式(6)与式(7)所示，其中i表示季节性变量zi的索引，j表示模型的维度索引...
【专利技术属性】
技术研发人员：齐咏生，李东泽，刘利强，甄成，刘慧文，李永亭，寇志伟，刘思哲，
申请(专利权)人：内蒙古工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。